Amazon Transcribe es un servicio de reconocimiento de discurso automático (ASR) que facilita a los desarrolladores agregar capacidades de voz a texto a sus aplicaciones. La API de Amazon Transcribe le permite analizar archivos de audio almacenados en Amazon S3 y recibir un archivo de texto del discurso transcrito. También puede enviar una secuencia del audio en vivo a Amazon Transcribe y recibir una secuencia de las transcripciones en tiempo real.
Amazon Transcribe puede utilizarse en numerosas aplicaciones habituales, incluidas la transcripción de llamadas al servicio de atención al cliente y la generación de subtítulos en contenido de audio y vídeo. El servicio puede transcribir archivos de audio almacenados en formatos habituales, como WAV y MP3, con marcas temporales en cada palabra, para que pueda ubicar fácilmente el audio en la fuente original mediante la búsqueda del texto. Amazon Transcribe aprende y mejora continuamente para seguir el ritmo de evolución del idioma.
Características clave
Transcripciones de lectura sencilla
La mayoría de los sistemas de reconocimiento de voz automático genera una cadena de texto sin puntuación. Amazon Transcribe utiliza aprendizaje profundo para añadir formato y signos de puntuación de forma automática, de modo que el resultado es un texto inteligible y que se puede utilizar para cualquier edición posterior.
Generación de marcas temporales
Amazon Transcribe devuelve una marca temporal por cada palabra, lo que le permite localizar fácilmente el sonido en la grabación original mediante la búsqueda del texto.
Compatibilidad para una amplia variedad de casos de uso
Amazon Transcribe está diseñado para suministrar transcripciones precisas y automáticas para una amplia variedad de niveles de calidad de audio. Puede generar subtítulos para cualquier archivo de video o audio, e inclusive transcribir grabaciones de telefonía de baja calidad, como llamadas al servicio de atención al cliente.
Vocabulario personalizado
Amazon Transcribe le permite ampliar y personalizar el vocabulario para el reconocimiento de voz. Puede añadir nuevas palabras al vocabulario base y generar transcripciones de alta precisión específicas para su caso de uso, como nombres de productos, terminología específica del dominio o nombres de personas.
Reconocimiento de varios oradores
Amazon Transcribe es capaz de detectar cuándo hay un cambio de orador y atribuye a cada uno su transcripción adecuadamente. De esta manera, se puede reducir de manera significativa la cantidad de trabajo necesario para transcribir audios con varios oradores, como ocurre en llamadas telefónicas, reuniones y programas de televisión.
Identificación de canales
Amazon Transcribe puede procesar audios y videos en los que cada orador se graba en canales diferentes. Los centros de contacto pueden beneficiarse en gran medida mediante el envío de un único archivo de audio a Amazon Transcribe, que identificará cada canal y producirá una única transcripción marcada con etiquetas de canal.
Streaming de la transcripción
Con Amazon Transcribe, puede transcribir audio a texto en tiempo real. Mediante una conexión segura a través del protocolo HTTP 2, puede enviar una secuencia de audio en vivo al servicio y, a cambio, recibirá una secuencia de texto en tiempo real.
Casos de uso
Amazon Transcribe puede ofrecer transcripciones en un amplio rango de casos de uso, como el servicio de atención al cliente, la subtitulación, las búsquedas y la conformidad.
Mejora del servicio de atención al cliente
Al convertir entradas de sonido en texto escrito, Amazon Transcribe le permite crear aplicaciones de análisis de textos que pueden realizar búsquedas y análisis de entradas de voz. Los centros de contacto de clientes pueden utilizar Amazon Transcribe para generar transcripciones de interacciones de voz y escarbar los datos en busca de información mediante otros servicios de AWS (como Amazon Comprehend) para extraer significados e intenciones de las conversaciones.
Flujos de trabajo de subtitulación
Amazon Transcribe puede ayudar a los distribuidores de medios y generación de contenidos a mejorar el alcance y el acceso generando automáticamente subtítulos con marcas temporales que aparezcan junto con el contenido del vídeo.
Catálogo de archivos de sonido
Este servicio le permite transcribir recursos de sonido y vídeo y convertirlos en archivos con capacidad completa de búsqueda para la monitoreo de conformidad y la administración de riesgos. Los clientes pueden usar Amazon Transcribe para convertir el sonido en texto escrito, y utilizar el servicio Amazon ElasticSearch para indexar y realizar búsquedas de texto en su biblioteca de sonido y video.
Clientes de Amazon Transcribe
"La plataforma Echo360 propicia el aprendizaje activo e interactivo basado en videos destinados a los estudiantes del mundo actual. Estamos muy satisfechos con Amazon Transcribe porque ofrece a nuestros socios de universidades transcripciones de alta calidad para cada video, lo que posibilita realizar búsquedas más eficientes, subtitulado de menor costo en videos educativos y una confección de notas optimizada. En consecuencia, este servicio logra que los recursos didácticos sean más valiosos y accesibles para los estudiantes".
Director general de Echo360
"Amazon Comprehend y Amazon Transcribe permiten a VidMob crear análisis de texto con aprendizaje profundo de alta calidad en Agile Creative Suite, lo que nos permite ayudar a clientes de marca a comprender el desempeño del contenido de maneras que antes no eran posibles. Podemos transcribir texto de videos y analizarlo rápidamente con Comprehend, lo que nos permite recopilar información procesable tanto para nuestra comunidad de creadores como para nuestros clientes y darles a estos una ventaja estratégica en el mercado".
CEO de VidMob
"RingDNA es una plataforma de comunicaciones integrales para los equipos de ventas. Cientos de organizaciones empresariales utilizan RingDNA para aumentar significativamente la productividad, interactuar en conversaciones de ventas más inteligentes, obtener conocimientos predictivos, mejorar su tasa de impresiones y formar a representantes para conseguir sus objetivos más rápido que nunca. Un componente fundamental de la IA de conversación de RingDNA requiere lo mejor de las conversiones de texto oral a texto escrito para ofrecer transcripciones de cada llamada telefónica. En RingDNA estamos encantados con Amazon Transcribe y sus resultados de reconocimiento de voz de gran calidad a escala, ya que nos permiten transcribir cada llamada de forma más eficaz".
"En Isentia permitimos a los clientes analizar y monitorizar la cobertura de medios para sus marcas. Creamos más de 13 000 resúmenes al día de contenido de radio y televisión. Con Amazon Transcribe, podemos transcribir cualquier contenido de sonido o vídeo que monitorizamos, y analizar los datos de los textos con Amazon Comprehend. Gracias a características como las marcas temporales o la puntuación nos resulta más fácil buscar a través de los datos, así como explorar en profundidad y presentar información clave para que la consulten nuestros clientes".
Más información sobre los precios de Amazon Transcribe
